买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉四川大学申请的专利一种基于数据池的非定常流场神经网络预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119740626B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411652531.9，技术领域涉及：G06N3/084；该发明授权一种基于数据池的非定常流场神经网络预测方法是由闵秋弛;李冠雄;李天宇设计研发完成，并于2024-11-19向国家知识产权局提交的专利申请。

本一种基于数据池的非定常流场神经网络预测方法在说明书摘要公布了：本发明公开了一种基于数据池的非定常流场神经网络预测方法，具体步骤如下：基于数据池的数据存取模块进行初始化，所述模块包括训练数据池、时间记忆单元和重置记录单元，对训练数据集进行预处理，取出流场数据；初始化基于注意力机制的卷积神经网络模型并训练模型，输出下一时间步的流场数据，神经网络进行反向传播；将神经网络的输出返回模块放回数据池，模块按重置记录单元从数据池或训练数据集取出数据进行下轮训练；采用训练好的模型进行自回归式流场预测。本发明实现了相比于传统的基于神经网络求解非定常算法消灭了噪声超参数，降低了累计误差，加速了工业设计迭代速度。

本发明授权一种基于数据池的非定常流场神经网络预测方法在权利要求书中公布了：1.一种基于数据池的非定常流场神经网络预测方法，其特征在于：具体步骤如下： S1、基于数据池的数据存取模块进行初始化，所述模块包括训练数据池、时间记忆单元和重置记录单元，对训练数据集进行预处理，取出流场数据； S2、初始化基于注意力机制的卷积神经网络模型并训练模型，输出下一时间步的数据，神经网络进行反向传播； S3、将神经网络的输出返回模块放回数据池，模块按重置记录单元从数据池或训练数据集取出数据进行下轮训练； S4、采用训练好的模型进行自回归式流场预测； 所述步骤S1的具体分步骤如下： S11、初始化训练数据池、时间记忆单元、重置记录单元，其中训练数据池初始化为一个形状是[N，C，H，W]的张量，N表示样本数量，C表示样本的特征数，包括X、Y方向上的速度和流场的压力，H表示样本的高度，W表示样本的宽度； S12、时间记忆单元用于存储训练数据池中数据的所属时间步，时间记忆单元初始化为一个形状是[N]的张量，其中时间步随机初始化为0到train_data_set_step中的随机整数；重置记录单元用于记录被重置了的样本时间步，记录为True表示已经被重置，记录为False表示未被重置，其中在初始化时全记录为True； S13、对重置记录单元的时间步数据进行预处理，若对应样本重置记录为True，则从数据集中取出对应时间步的数据；若对应样本重置记录为False，则从训练数据池中取出对应训练数据和下一时间步真值； 所述步骤S3的具体分步骤如下： S31、将模型在S2流程中生成的流场数据放入训练数据池，替换上一时间步的流场数据； S32、时间记忆单元在神经网络每个epoch后更新时间步，将每个样本的时间步增加一，再将当前样本数量累积到计数器count中，计算重置样本数，最后将计数器count更新为对per_train_data_time_step取模的结果，per_train_data_time_step为平均每个样本连续训练的长度； S33、依据计算出来的重置样本数，检查重置顺序列表，若为空，则重新生成一个从0到样本数量的顺序列表，进行随机打乱，从重置顺序列表中取出一个索引，根据索引重置对应文件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川大学，其通讯地址为：610000 四川省成都市一环路南一段24号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。